面向结构化数据的逻辑文本生成展示系统
案例介绍
开发。之所以选用 Django 进行开发，是因为它不仅具有应用较为广泛、技术成熟、开
发速度快，易于维护的优点， 同时能和基于 Python 的 Pytorch 深度学习相关的代码互
通，避免了代码跨语言调用的复杂性和低效性。
系统的架构图如图 26 所示，主要包括表示层、处理层、模型层三个部分。
表示层：用户和系统交互的桥梁，此层主要负责接收用户的输入和向用户进行模
型生成文本结果展示。主要分为表格文件的上传、表格标题以及相关列信息的输入、
模型的选择、模型训练进度展示、生成结果展示等模块。表格文件的上传和表格标题
以及相关列信息的输入这三个模块主要和输入数据相关。而模型的选择和模型训练进
度展示主要和生成模型有关。在训练完模型后，用户上传表格文件，输入表格的标题
和列索引信息，作为模型的主要输入来源，选择模型，用户输入的信息会传输到服务
层。生成结果展示模块会向用户展示模型生成的文本结果
面向结构化数据的逻辑文本生成展示系统
案例介绍
本文采用工业界广泛使用的基于 Python 的 Web 应用框架 Django 进行可视化系统的
开发。之所以选用 Django 进行开发，是因为它不仅具有应用较为广泛、技术成熟、开
发速度快，易于维护的优点， 同时能和基于 Python 的 Pytorch 深度学习相关的代码互
通，避免了代码跨语言调用的复杂性和低效性。
系统的架构图如图 26 所示，主要包括表示层、处理层、模型层三个部分。
表示层：用户和系统交互的桥梁，此层主要负责接收用户的输入和向用户进行模
型生成文本结果展示。主要分为表格文件的上传、表格标题以及相关列信息的输入、
模型的选择、模型训练进度展示、生成结果展示等模块。表格文件的上传和表格标题
以及相关列信息的输入这三个模块主要和输入数据相关。而模型的选择和模型训练进
度展示主要和生成模型有关。在训练完模型后，用户上传表格文件，输入表格的标题
和列索引信息，作为模型的主要输入来源，选择模型，用户输入的信息会传输到服务
层。生成结果展示模块会向用户展示模型生成的文本结果
案例图片
相似案例推荐
-
基于深度学习的手势识别方法的实现
项目描述 : 针对移动端设备对于深度学习模型的计算量和模型大
-
爬取各大平台数据
爬取各大平台并进行数据清洗数据去重，对数据进行excel表格
-
爬取各大平台数据
熟练爬取网页合法信息并进行数据清洗数据筛选数据去重，并保存E
-
ICL选片及技术拱高
ICL是一家专注于生物医学领域的科技公司，致力于将人工智能技
-
BMC的FPGA芯片原型验证
主要从事的是FPGA原型验证工作，对amba总线以及pcie
-
无线室内单元
这两张照片作为例子，其中一个可以是全室外单元，接收无线信号，
1小时精推人才
需求方专属客服，免费梳理匹配
